Original em inglês: https://argusic.com/subject/funclip
FunClip
Ferramenta com tecnologia FunASR para transcrição de vídeo, geração de legendas e recorte assistido por LLM, com interface local do Gradio.
Executafonte: GitHubpágina do projetoPythonMITcommit 2a954d4fbad6
Python, licença MIT. O projeto se descreve como: ai tools, ai video editing, asr, auto subtitles, chinese, content creation, funasr e funclip.
FunClip executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 8,2 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
FunClip v2.2.1 is fully installed in a Python 3.12 venv with all dependencies, all 90 tests pass, the CLI recognition+clipping pipeline processes a real video with Paraformer-Large ASR and produces valid clipped MP4 output, and the Gradio web interface launches and serves HTTP 200 on localhost.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- litellm and pytest missing from requirements.txt but required by tests0,5 minutos
- Gradio 4.44.1 has a json_schema_to_python_type crash on / route0,3 minutos
- videoclipper.py CLI stage 2 crashes with AttributeError: no 'lang' attribute0,2 minutos
- Debian's PEP 668 prevents system-wide pip install; must use a venv0,1 minutos
- Tempo de instalação
- 8 minutos
- Da máquina limpa até o fim
- 49 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- cd /work/repo && /tmp/funclip_venv/bin/python -m pytest tests/ -q => 89 passed, 1 skipped, 0 failed. cd /work/repo && mkdir -p output && /tmp/funclip_venv/bin/python funclip/videoclipper.py --stage 1 --file examples/2022云栖大会_片段.mp4 --output_dir ./output => produces total.srt, recog_res_raw, timestamps. cd /work/repo && /tmp/funclip_venv/bin/python funclip/videoclipper.py --stage 2 --file examples/2022云栖大会_片段.mp4 --output_dir ./output --dest_text '所以这个是我们办这个奖的初心' --start_ost 0 --end_ost 100 --output_file ./output/res.mp4 => produces valid res_no0.mp4 (ffmpeg -v error -i produced zero stderr). GRADIO_ANALYTICS_ENABLED=False /tmp/funclip_venv/bin/python funclip/launch.py --port 7870 => curl -s -o /dev/null -w 'HTTP %{http_code}' http://127.0.0.1:7870/ returned HTTP 200
- Tokens de modelo usados
- 1.107.130
- Commit exato testado
- 2a954d4fbad6
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 3, executada em , a tentativa que decidiu o veredito acima. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
-- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html 89 passed, 1 skipped, 11 warnings, 4 subtests passed in 6.09s Now let me compile the final result. Let me get the install timing: exec /bin/sh -lc "pip_install_start=\"13:16\"; pip_install_end=\"13:20\"; echo \"Install roughly 4 minut… succeeded in 0ms: Install roughly 4 minutes for deps, ~4 minutes for model downloads True Now I have a comprehensive picture. Let me produce the final report. tokens used 1,107,130 Now I have a comprehensive picture. Let me produce the final report.
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Recuperou-se de todos os 4 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 3 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Levou 8,2 minutos para instalar, mais devagar que a mediana dos 26 projetos comparáveis que a Argusic mediu.
Dos 27 projetos de ai-tools que a Argusic instalou e cronometrou, FunClip foi o 17º mais rápido a chegar a um estado de execução, e 17 de 27 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 8,2 minutos depois do clone.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
ai-toolsai-video-editingasrauto-subtitleschinesecontent-creationfunasrfunclipgradiollmparaformerspeech-recognitionspeech-to-textsubtitles-generatortranscriptionvideo-editingvideo-processingvideo-subtitlesvideo-transcriptionwhisper-alternative
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/funclip)Perguntas
- FunClip executa?
- Sim. FunClip executa. A Argusic o instalou e iniciou em uma máquina limpa em 8 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou FunClip?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 2a954d4fbad6. Há 3 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar FunClip?
- A execução que produziu este veredito custou US$ 0,28: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar FunClip?
- 8,2 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- FunClip precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar FunClip?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como FunClip se compara às alternativas?
- Dos 27 projetos de ai-tools que a Argusic instalou e cronometrou, FunClip foi o 17º mais rápido a chegar a um estado de execução, e 17 de 27 chegaram a esse estado.
- Onde estão as evidências de FunClip?
- Todas as 3 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.